高晓庄 札记

腾讯 Hy4 首发速评：770B 跑分该怎么读 发布当天最值得读的，不是那张跑分表，而是官方自己写在最后一节的「局限性」。 先把边界说清楚这不是一篇实测。今天（2026-11-04）腾讯混元 Hy4 正式版刚发布，我还没在自己的业务任务上跑过它，所以本文不会给出「我实测多少分」「比某某快多少」这类结论。 我做的是两件事：把发布日能查到的公开数据按来源分层核一遍，标出哪些数字不能横向比；再给一套我接下来会用的复测题单。发布当天的稿子很多，但绝大多数是同一份材料的转述，缺的恰恰是这一步。 这和我写《主流大模型横评》时的立场一致：benchmark 看方向，真实任务才做决策。 立场说明：文中数据全部来自公开发布材料与第三方榜单，无厂商合作、无送测、无赠额。凡标「自测」处，均为原发布方口径，未经独立复现。 一、先确认我们在聊哪个版本Hy4 有两个版本，中间隔了两个月。今天很多稿子把两代参数混在一行写，这是第一个坑。 项 Hy4 preview（2026-08-28） Hy4 正式版（2026-11-04） 总参数 / 激活参数 770B / 49B，...

我们总把别人的片段拼凑成理想的自己,却忘了当下的自己已经是生命奇迹。—— 程乐松 去年最后一天,程乐松在一席讲了一节哲学课,题目叫《善待自己》。他说:善待自己是药方,但不保证有效。也正因为不保证有效,才值得被拿出来说一说。 我那天窝在沙发上刷到了这期。讲的人语气很平,甚至还有点碎叨——一会儿拿自己和食堂打菜阿姨开玩笑,一会儿又认真地说出一些让人一愣的话。我看完没有立刻写点什么,关了手机睡了。直到后来某个加班到凌晨、回到家又看了两个短视频、关灯前想到明早还要赶报告的瞬间,脑子里突然蹦出来他说的那句:「永远不要以未来之名,让每一个当下成为过去价值的休止符。」 那时候才意识到,这节课大概真的听进去了。 那些刷了八小时短视频之后「突然想努力」的人程乐松开场就把当下年轻人「表演努力」的现象写得很准——刷完八小时短视频,突然想起来:不行,我得努力。然后把书拿出来两个小时(大概率坚持不了两个钟头,四十分钟后就睡着了),读书累到把自己睡着了,问:这是不是也算很努力? 我盯着这段看了很久。 不是因为他描述得太准确,而是因为他指出了一件事:我们大多数人其实根本没弄清楚「努力」是什么,就已经开始...

听《十字路口》刘震云那一期,我突然不焦虑了——一个普通人的几个共鸣 上周开车听了 4 个半小时《罗永浩的十字路口》第 17 期刘震云对谈。听完到家没下车,在车里又坐了半小时。不是因为节目精彩——是因为有几个瞬间,像被人点了一下。 我把这期里戳到我的几个点记下来。不是书评、不是读后感,就是一个普通人被一个作家和一个做产品的人点醒了什么。 一、”咸的玩笑”——为什么这本书叫这个名字刘震云新书叫《咸的玩笑》。 罗永浩问:为什么是”咸的”? 刘震云答: “玩笑之所以是咸的,是因为好多玩笑是含泪的,被泪腌咸了。而且,’笑’特别经不起’玩’,一玩就可能会出现含泪都止不住的情况。” 听完这一段我愣了一下——因为我笑了二十多年,突然意识到很多笑确实有点咸。 比如饭局上朋友讲自己的”惨事”逗大家笑。比如同事被裁了反过来安慰别人”我没事”。比如我父母打电话说”家里都好”,然后背景音听到亲戚在讨论医疗费。 这些”玩笑”,确实是咸的。 以前我听到这些会跟着笑,觉得”这人真幽默”。 现在我才反应过来:有些笑,是当事人能做的最体面的事了。 听懂了”咸的玩笑”之后,我听别人讲笑话时,会先停一秒,看看他...

关于”内卷”的经济学解释——读《人月神话》和薛兆丰之后 “内卷”这个词这两年被用烂了。什么都能内卷——职场内卷、教育内卷、社交内卷、连健身都能内卷。读了点经济学之后我才搞清楚——这其实是经济学里”竞次”（race to the bottom）这个经典命题。 内卷的真实案例我前公司有个真实故事： 一个本来 5 个人能做完的项目，老板觉得”反正大家都闲着”——加了 10 个人。项目从 5 个月拖到 8 个月，质量还更差。10 个人比 5 个人慢 3 个月。 这就是典型的内卷——加更多资源、更多时间、更多人力，结果产出更低。 《人月神话》里 Brooks 早在 1975 年就讲过： Adding manpower to a late software project makes it later. 往已经延期的项目里加人——只会让它更延期。 经济学怎么解释这个现象薛兆丰在《薛兆丰经济学讲义》里讲了一个核心概念：边际效益递减。 简单说： 前 1 个工人——产出大幅提升（一个人从 0 到 1） 第 2、3 个工人——产出继续提升（开始分工） 第 4、5 个工人——产出开始持平 ...

不确定性是人生唯一确定的事——我不再假装掌控一切 我以前一直以为”努力就能掌控”。这几年我慢慢承认——人生最大的事，没有一件是确定的。 我曾经是”掌控一切”型的人我 25 岁前的人生剧本是这么写的： 27 岁进入头部公司 30 岁当上管理岗 33 岁带团队 35 岁财务自由 40 岁想干嘛干嘛 这个剧本里没有”意外”二字。每个阶段都有明确目标，每个目标都有清晰路径。 我以为只要按计划走，人生就是可预测的。 现实把我打脸了剧本执行到现在（临近三十岁），几乎每个假设都开始站不住： 行业开始下行，”35 岁危机”提前逼近 公司开始裁员，”稳定”不再是稳定 AI 时代来了，5 年前的经验一半要重学 家庭、健康、父母养老——这些变量我一个都没规划过 我以为我能掌控的，其实一直在失控。 我们最容易犯的错：把人生当系统优化工程师优化系统的套路： 找到瓶颈 设定目标 制定计划 执行 监控反馈 迭代 这套方法论在系统优化上很有效——但在人生上经常失败。 为什么？因为人生的关键变量都是”软”的： 你的健康不是系统——最近体检报告开始出现以前没见过的指标 你的家庭不是系统——父母的老去...

为什么我不再相信”自由市场万能”——读《资本主义与自由》之后 20 岁时我是个”自由市场原教旨主义者”——觉得政府干预越少越好。工作几年后我承认——市场不是万能的，政府也不是。这是我从”读过书”到”活过事”的过程。 我曾经是”自由市场原教旨主义者”我大学时读米尔顿·弗里德曼的《资本主义与自由》，被他的逻辑深深折服。 他的核心论点： 自由市场能最高效地配置资源 政府干预会带来寻租、腐败、低效 个人自由是最高价值 这套逻辑干净、自洽、有说服力——20 岁的我完全被说服了。 工作几年后我开始动摇第一个动摇我的是”医疗”。 我工作第三年，家里老人重病。住院期间我才发现： 美国的医疗体系确实是”自由市场”——但医疗费用是中国人均收入的几十倍 很多穷人因为看不起病而死亡——这不是”效率”，是”不人道” 美国的医疗总支出占 GDP 18%——但健康指标（预期寿命、婴儿死亡率）远不如多数欧洲国家 欧洲的”全民医保”是”政府深度干预”——但效果反而更好 自由市场在这里失灵了——为什么？ 答案：信息不对称经济学里有个概念叫**”信息不对称”**——医生比病人更懂医学，医院比病人更懂药价。 ...

RAG 评估体系——怎么知道你的 RAG 系统好不好 没有评估指标,RAG 优化就是盲改。这套评估体系帮我把准确率从 70% 推到 92%。 为什么 RAG 评估难传统软件评估简单输入 → 输出 → 对比预期,准确率一目了然。 RAG 评估复杂RAG 系统的输出受多因素影响: 检索质量(召回了什么文档) LLM 能力(怎么生成答案) Prompt 设计(怎么拼上下文) 文档质量(原始数据好不好) 评估不能只看”最终答案对不对”——还要看”中间环节哪里出问题”。 RAG 评估的三个层面层面 1:检索质量判断检索召回的文档是否相关。 指标: Recall@K:Top-K 召回了多少相关文档 Precision@K:Top-K 召回了多少”假相关”文档 MRR(Mean Reciprocal Rank):第一个相关文档的排名倒数 层面 2:答案质量判断最终生成的答案是否正确。 指标: Answer Relevance:答案是否切题 Faithfulness:答案是否忠于检索内容(不胡编) Correctness:答案是否事实正确 层面 3:用户体验判断真实用户使用感受。 ...

这几年我开始理解”放下”——一些不那么好听的真话 “放下”这两个字被说烂了。朋友圈里”放下执念”、”放下过去”、”放下焦虑”——天天有人发。我这两年才开始真的理解——它不是”放弃”，是另一种”拿起”。 我曾经以为”放下”是”放弃”我大学时第一次读《金刚经》——“一切有为法，如梦幻泡影”。 当时的理解：这是劝人不要努力、不要追求、不要执着。 这个理解让我轻视了佛学很多年——觉得这是”消极避世”的学问，是”loser 的精神胜利法”。 这个理解是错的。 佛学说的”放下”，不是”放弃”——是”不执着于结果”。 具体区别： 放弃：我不做了 放下：我做，但我不被结果绑架 这两个区别巨大。 我这两年的三次”放下”第一次：放下”成为最优秀的人”我 25-28 岁那几年，疯狂追求成长： 读各种书 参加各种活动 认识各种人 拿各种证 学各种技能 我以为我是在追求”成长”——其实是在追求”比别人强”。 我执念的不是”成长”——是”比别人强”。 28 岁那年我突然意识到：不管我怎么努力，永远有人比我更年轻、比我更有精力、比我更新潮的东西。我永远不可能”最优秀”。 这不是能力问题——是”目...